(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111541302.6 (22)申请日 2021.12.16 (71)申请人 清华大学 地址 100084 北京市海淀区清华园 申请人 国家电网有限公司 　 国网北京市电力公司 (72)发明人 乔颖　鲁宗相　马慧远　 (74)专利代理 机构 北京华进京联知识产权代理 有限公司 1 1606 代理人 樊春燕 (51)Int.Cl. G06F 30/27(2020.01) G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06F 111/10(2020.01)G06F 113/06(2020.01) (54)发明名称 风电功率预测模 型的训练方法、 装置和计算 机设备 (57)摘要 本申请涉及一种风电功率预测模型的训练 方法、 装置和计算机设备。 方法包括： 获取样本气 象数据集， 所述样本气象数据集包含 预设时段内 各时刻的样本风速和所述样本风速对应的样本 风电功率； 根据风速波动划分模 型对各所述样本 风速进行划分， 得到各所述风速波动过程对应的 样本风速组； 针对每个风速波动过程， 根据所述 风速波动过程对应的样本风速组、 以及所述样本 风速组对应的样本风电功率组， 对初始风电功率 预测模型进行训练， 得到所述风速波动过程对应 的风电功率预测模型。 采用本方法能够提高风电 功率预测模型的精确度。 权利要求书2页 说明书15页 附图9页 CN 114386317 A 2022.04.22 CN 114386317 A 1.一种风电功率预测模型的训练方法， 其特 征在于， 所述方法包括： 获取样本气象数据集， 所述样本气象数据集包含预设时段内各时刻的样本风速和所述 样本风速对应的样本风电功率； 根据风速波动划分模型对各所述样本风速进行划分， 得到各所述风速波动过程对应的 样本风速组； 针对每个风速波动过程， 根据所述风速波动过程对应的样本风速组、 以及所述样本风 速组对应的样本风电功率组， 对初始风电功率预测模型进行训练， 得到所述风速波动过程 对应的风电功率预测模型。 2.根据权利要求1所述的方法， 其特征在于， 所述根据风速波动划分模型对各所述样本 风速进行划分， 得到各 所述风速波动过程对应的样本风速组， 包括： 在各所述样本风速中， 选取满足预设筛 选条件的各有效样本风速； 根据各所述有效样本风速和风速波动划分模型， 确定各所述风速波动过程对应的样本 风速组。 3.根据权利要求2所述的方法， 其特征在于， 所述风速波动划分模型包含各风速波动过 程对应的样本比例； 所述根据各所述有效样本风速和 风速波动划分模型， 确定各所述风速 波动过程对应的样本风速组， 包括： 确定各所述有效样本风速所构 成的风速序列中的各峰值、 以及各所述峰值在所述风速 序列中对应的样本区间； 根据各所述风速波动过程对应的样本比例， 对峰值分布序列进行划分， 得到各所述风 速波动过程对应的风速阈值； 所述峰值分布序列是按照风速由小到大 的顺序， 对处于各预 设风速区间内的峰值的数目进行排序得到； 根据各所述风速波动过程对应的风速阈值， 确定各所述风速波动过程对应的风速范 围； 针对每个风速波动过程， 确定所述风速波动过程对应的风速范围内的峰值， 将所述峰 值对应的样本区间内的有效样本风速， 作为所述 风速波动过程的样本风速组。 4.根据权利要求1所述的方法， 其特征在于， 所述根据各所述风速波动过程的样本风速 组和各所述风速波动过程的样本风速组对应的样本风电功率组， 分别对初始 风电功率预测 模型进行训练， 确定各风速波动过程对应的风电功率预测模型， 包括： 针对每个风速波动过程， 根据 所述风速波动过程的样本风速组和初始风电功率预测模 型， 确定所述样本风速组对应的预测风电功率组、 以及所述样本风速组对应的模型参数值 组； 根据所述模型参数值组、 所述预测风电功率组和黏菌算法， 确定最优 模型参数值； 根据所述样本风速组对应的预测风电功率组、 所述样本风速组对应的样本风电功率组 和评价函数， 确定所述评价 函数的函数值； 在不满足预设迭代停止条件的情况下， 记录所述评价函数的函数值和所述最优模型参 数值， 并返回执行根据所述风速波动过程的样本风速组和初始风电功率预测模型， 确定所 述样本风速组对应的预测风电功率组、 以及所述样本风速组对应的模型参数值组步骤， 直 到满足预设迭代停止条件， 确定各所述损失函数的函数值和各所述损失函数的函数值对应 的最优模型参数值；权　利　要　求　书 1/2 页 2 CN 114386317 A 2根据各所述损 失函数的函数值和择优算法， 确定目标损 失函数的函数值、 以及目标损 失函数的函数值对应的目标最优 模型参数值； 基于所述目标最优 模型参数值， 得到所述 风速波动过程的风电功率预测模型。 5.一种预测风电功率方法， 其特 征在于， 所述方法包括： 获取目标气象数据集， 所述目标气象数据集 为预设时段内各时刻的目标风速； 根据风速波动划分模型对各所述目标风速进行划分， 得到各所述风速波动过程对应的 目标风速组； 针对每个风速波动过程， 将所述风速波动过程的目标风速组输入所述风速波动过程对 应的风电功率预测模型， 确定所述波动过程对应的目标 预测风电功率组； 将各所述目标预测风电功率按照所述目标预测风电功率对应的目标风速的时间序列 进行排列， 得到预测风电功率； 其中， 所述风电功率预测模型通过权利要求1至4中任一项所述的风电功率预测模型的 训练方法训练得到 。 6.一种风电功率预测模型的训练装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取样本气象数据集， 所述样本气象数据集包含预设时段内各时刻的 样本风速和所述样本风速对应的样本风电功率； 划分模块， 用于根据风速波动划分模型对各所述样本风速进行划分， 得到各所述风速 波动过程对应的样本风速组； 训练模块， 用于针对每个风速波动过程， 根据 所述风速波动过程对应的样本风速组、 以 及所述样本风速组对应的样本风电功率组， 对初始风电功率预测模型进行训练， 得到所述 风速波动过程对应的风电功率预测模型。 7.一种预测风电功率装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取目标气象数据集， 所述目标气象数据集为预设时段内各时刻的目 标风速； 划分模块， 用于根据风速波动划分模型对各所述目标风速进行划分， 得到各所述风速 波动过程对应的各目标风速组； 确定模块， 用于针对每个风速波动过程， 将所述风速波动过程的目标风速组输入所述 风速波动过程对应的风电功率预测模型， 确定所述波动过程对应的目标 预测风电功率组； 排序模块， 用于将各所述目标预测风电功率按照所述目标预测风电功率对应的目标风 速的时间序列进行排列， 得到预测风电功率； 其中， 所述风电功率预测模型通过权利要求1至4中任一项所述的风电功率预测模型的 训练方法训练得到 。 8.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处理器执行所述计算机程序时实现权利要求1至4或权利要求5中任一项所述的方 法的步骤。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现权利要求1至4或权利要求5中任一项所述的方法的步骤。 10.一种计算机程序产品， 包括计算机程序， 其特征在于， 该计算机程序被处理器执行 时实现权利要求1至4或权利要求5中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114386317 A 3